我用 Claude Code + Playwright MCP 跑通了第一次真实 UI 测试

我用 Claude Code + Playwright MCP 跑通了第一次真实 UI 测试

以前编写 UI 自动化测试,通常需要先分析页面、寻找元素、编写定位器,再组织测试流程。

这一次,我尝试把测试任务直接交给 Claude Code,让它通过 Playwright MCP 操作真实浏览器,完成页面识别、登录和商品信息获取。

本文记录完整实践过程,包括:

  • 如何配置并验证 Playwright MCP
  • 如何把测试需求描述给 Claude Code
  • Claude Code 如何识别页面元素
  • 如何完成 SauceDemo 登录测试
  • 如何将一次 AI 操作沉淀成可重复执行的自动化脚本
  • 实践过程中遇到的问题

一、这次要完成什么任务

测试网站使用公开的自动化练习网站:

https://www.saucedemo.com/

本次目标是验证下面这条业务链路:

打开登录页
→ 输入用户名和密码
→ 点击登录
→ 进入商品列表
→ 验证页面加载成功
→ 获取商品名称和价格
→ 输出测试结果

测试账号:

用户名:standard_user
密码:不要在文章或截图中公开展示

注意:SauceDemo 是公开演示网站,但真实项目中的账号、密码、Token 等敏感数据都应该使用环境变量保存,不能直接写进代码或提交到 GitHub。

二、我的实践环境

本次使用的主要工具:

工具 作用
Claude Code 理解任务、调用工具、分析结果和生成代码
Playwright MCP 为 Claude Code 提供浏览器操作能力
Python 编写可重复执行的测试代码
Playwright 浏览器自动化
Pytest 组织测试和执行断言
SauceDemo 公开 UI 自动化练习网站

这里需要理解一个关键关系:

Claude Code
    ↓ 调用
Playwright MCP
    ↓ 控制
真实浏览器
    ↓ 操作
SauceDemo

Claude Code 负责理解我的自然语言测试任务,Playwright MCP 负责提供浏览器操作能力。

三、确认 Playwright MCP 已连接

在 Claude Code 中检查 MCP 状态:

claude mcp list

看到类似下面的状态,说明 Playwright MCP 已经连接:

playwright - Connected

但是,“连接成功”只表示 Claude Code 能找到 Playwright MCP,并不代表整个 UI 测试链路已经验证完成。

所以我继续让 Claude Code:

  1. 打开 SauceDemo;
  2. 读取页面结构;
  3. 识别用户名、密码和登录按钮;
  4. 返回识别结果。

四、我交给 Claude Code 的测试任务

我没有只输入“测试一下这个网站”,而是给出了明确的测试目标、步骤、断言和输出要求。

可以参考下面这段提示词:

请使用 Playwright MCP 对 SauceDemo 执行一次真实的登录冒烟测试。

测试地址:
https://www.saucedemo.com/

测试步骤:
1. 打开登录页面。
2. 确认页面标题为 Swag Labs。
3. 识别用户名输入框、密码输入框和 Login 按钮。
4. 使用测试账号完成登录。
5. 登录成功后确认进入商品列表页面。
6. 验证页面中存在 Products 标题。
7. 获取页面中的商品名称和价格。
8. 输出每一步的执行结果。
9. 如果任何一步失败,保留截图并说明失败原因。

注意:
- 优先使用 role、label、placeholder 等稳定定位方式。
- 不要把账号密码硬编码进生成的项目文件。
- 暂时不要修改其他项目代码。

这段提示词比一句“帮我做 UI 自动化”更有效,因为它明确了:

  • 测试范围
  • 操作步骤
  • 断言条件
  • 定位策略
  • 失败处理
  • 安全要求

五、Claude Code 如何识别页面元素

Claude Code 调用 Playwright MCP 打开页面后,读取到了登录页的可访问性结构,并识别出三个核心元素:

页面元素 识别结果 推荐定位方式
用户名输入框 Username get_by_role("textbox", name="Username")
密码输入框 Password get_by_role("textbox", name="Password")
登录按钮 Login get_by_role("button", name="Login")

对应的 Playwright Python 写法类似:

page.get_by_role("textbox", name="Username").fill(username)
page.get_by_role("textbox", name="Password").fill(password)
page.get_by_role("button", name="Login").click()

这里让我感受比较明显的是:AI 不只是根据网页源码猜一个 CSS 选择器,而是能够先读取页面结构,再根据元素角色和名称选择更容易维护的定位方式。

不过,AI 找到定位器并不代表定位器永远可靠。生成代码后仍然需要通过重复执行验证稳定性。

六、完成第一次真实登录测试

登录过程中,浏览器执行了下面几个动作:

进入 SauceDemo
→ 填写用户名
→ 填写密码
→ 点击 Login
→ 等待商品列表加载

登录成功后,我没有只根据“页面跳转了”判断测试通过,而是增加了明确断言:

from playwright.sync_api import expect

expect(page).to_have_url("https://www.saucedemo.com/inventory.html")
expect(page.get_by_text("Products", exact=True)).to_be_visible()

这样可以同时验证:

  • 页面进入了正确地址;
  • 商品列表的核心元素已经出现。

七、提取商品名称和价格

登录成功后,继续获取页面上的商品名称和价格:

product_items = page.locator(".inventory_item")

products = []

for index in range(product_items.count()):
    item = product_items.nth(index)

    products.append(
        {
            "name": item.locator(".inventory_item_name").inner_text(),
            "price": item.locator(".inventory_item_price").inner_text(),
        }
    )

输出的数据结构类似:

[
  {
    "name": "Sauce Labs Backpack",
    "price": "$29.99"
  },
  {
    "name": "Sauce Labs Bike Light",
    "price": "$9.99"
  }
]

这里不要直接复制示例作为最终结果。文章发布前,应当使用你实际运行生成的 JSON,并确保商品数量和字段都与真实页面一致。

八、把一次操作变成可重复执行的测试

Playwright MCP 帮我操作一次浏览器,只能证明 AI 可以完成任务。

真正具有工程价值的是,把这次操作沉淀成稳定、可重复执行、能够断言和生成报告的自动化测试。

项目可以逐步整理成下面的结构:

AI-Testing-Agent/
├── framework/
│   ├── runner.py
│   └── ui_collector.py
├── projects/
│   └── saucedemo/
│       ├── config.yaml
│       └── baseline.json
├── reports/
│   ├── result.json
│   └── result.md
├── tests/
│   └── test_saucedemo_ui_flow.py
├── .env.example
├── requirements.txt
└── README.md

一个基础测试示例:

import os

from playwright.sync_api import Page, expect


def test_saucedemo_login(page: Page) -> None:
    username = os.environ["SAUCE_USERNAME"]
    password = os.environ["SAUCE_PASSWORD"]

    page.goto("https://www.saucedemo.com/")

    expect(page).to_have_title("Swag Labs")

    page.get_by_role("textbox", name="Username").fill(username)
    page.get_by_role("textbox", name="Password").fill(password)
    page.get_by_role("button", name="Login").click()

    expect(page).to_have_url(
        "https://www.saucedemo.com/inventory.html"
    )
    expect(
        page.get_by_text("Products", exact=True)
    ).to_be_visible()

在 Windows PowerShell 中,可以临时设置环境变量:

$env:SAUCE_USERNAME = "standard_user"
$env:SAUCE_PASSWORD = "你的测试密码"
pytest -v

这样账号密码不会直接写入代码。

九、执行结果

运行测试:

pytest -v

最终结果请写成你实际执行得到的数据,例如:

1 passed in 4.82s

不要为了让文章看起来完整,提前虚构测试通过数量和执行时间。

建议文章至少展示四类证据:

  1. Claude Code 的真实提示词;
  2. Playwright MCP 操作浏览器的过程;
  3. 提取出的 JSON 数据;
  4. Pytest 执行通过结果。

十、这次实践遇到的问题

1. MCP 连接成功不等于测试跑通

最开始看到 Connected,只能说明工具配置正常。

必须真正执行页面打开、元素识别、输入、点击和断言,才算跑通完整链路。

2. AI 操作成功不等于自动化工程完成

Claude Code 可以通过 MCP 临时操作浏览器,但这种操作过程不一定能直接用于持续回归。

还需要把它沉淀成:

  • 独立测试用例
  • 稳定定位器
  • 明确断言
  • 测试数据管理
  • 失败截图
  • 测试报告

3. 测试目标必须描述清楚

如果只告诉 AI“帮我测试登录”,它可能只完成点击操作,不一定验证登录结果。

提示词中应当明确:

操作什么
→ 如何判断成功
→ 失败后保留什么
→ 最终输出什么

4. AI 生成的代码仍然需要人工审查

主要检查:

  • 定位器是否稳定;
  • 是否使用固定等待;
  • 断言是否真正有效;
  • 密码是否被硬编码;
  • 异常是否被忽略;
  • 测试能否重复执行。

十一、Claude Code + MCP 能替代测试工程师吗

这次实践之后,我的判断是:暂时不能简单替代,但可以明显改变 UI 自动化的工作方式。

它擅长帮助测试工程师:

  • 理解自然语言测试任务;
  • 探索陌生页面;
  • 识别页面元素;
  • 生成第一版测试代码;
  • 分析执行失败原因;
  • 整理测试结果。

测试工程师仍然需要负责:

  • 业务风险判断;
  • 测试范围设计;
  • 断言是否合理;
  • 数据是否准确;
  • 脚本稳定性;
  • 回归测试体系建设。

所以更准确的说法不是“AI 代替 Playwright”,而是:

Claude Code 负责理解和协作,Playwright MCP 提供浏览器能力,测试工程师负责目标、标准与质量。

十二、下一步计划

第一次真实 UI 测试跑通后,我准备继续完成:

  1. 自动提取完整商品列表;
  2. 将页面数据保存为 JSON;
  3. 与基准 JSON 自动比对;
  4. 生成 JSON 和 Markdown 测试报告;
  5. 失败时自动保存截图;
  6. 接入 GitHub Actions 或 Jenkins;
  7. 逐步完善为 AI Testing Agent。

这次实践证明,从自然语言测试任务到真实浏览器操作,这条链路已经可以跑通。

但真正有价值的方向,不是让 AI 临时点击一次页面,而是把 AI 的页面理解能力与传统自动化测试工程结合起来,形成稳定、可重复、可追踪的测试流程。

我是 AI 测研社。不只谈 AI,亲自测给你看。